AI影響更多的是產業下限
這幾天用Jules 覺得表現不錯 就是有時會少一根筋
AI工具在prototype的開發效率上有很大的幫助 甚至還會幫忙寫unittest
但是review與指示的部分還是需要人來 這部分更多是senior的工作
相當於是senior以後要帶"AI"小弟來工作
在AI環境下會被fire並不是因為AI比你強
而是你不會利用AI也無法判斷AI的正確與否
換言之 junior的門檻被大幅拉高了
但很多人討論現在的裁員率提高 卻忘記了前幾年市場需求大幅增加
也就是所謂大軟體時代 企業試圖擴張或投注更多人力的背景下
我認為現在更多算是技術修正
市場餅就大那麼大 沒什麼市場是沒有波動的
上個月才有個新聞根據Hacker News的PO文貼出聳動標題
"曾領447萬年薪！20年資深工程師「被AI搶飯碗」 靠打零工維生"
說是某個十幾年經驗的資深軟體工程師被火後現在只能打零工
投履歷全部都石沉大海
這是新聞要給你看的
但實際上是那位叫Shawn K老兄的履歷寫得亂七八糟 並沒有吸引力
一堆網友還在Hacker News底下幫他修履歷
AI時代的工作大概分四種：
1. 負責找出問題 並設計出可供AI訓練流程的工程師 並且其自身要能夠驗證這個問題
2. 將AI視為開發工具或新服務技術(MCP) 甚至是以AI為服務本身
3. 做AI不擅長或難以處理的開發工作 或是know-how不在AI知識或無法被訓練的領域
4. 資方不懂得如何導入AI或胡亂導入AI後不信任AI的公司
我的建議是如果你覺得自己公司的code很屎
可以丟給jules或AI工具修修看
你以為前人留下屎山是在禍害晚輩
實際上是先知 提前二十年預知到AI的崛起

推，寓教於樂的內容，第三點我想請問是哪些產業？我想像是諮商這種高度專業知識但仍然需要人的溫度的產業？

現在發 MR, code 沒給 AI 跑修正過 會讓人很火大

在被AI毒打前 會先被大環境整體產業的衰退給毒打

第三點，AI不擅長的事情，產業，太多了吧。叫AI生成簡單手電筒電路圖netlist看看，叫AI讀一個元器件的spec做問答看看。菜雞大學生隨便就能輕鬆做的工作，現在AI來做都掛掉。

屎code給AI修會變成生蟲的屎吧（

如果你的代碼庫很屎，那買高級的傳統IDE即可，別用AI。

會增加工作機會^_^

AI常常看不懂那種專案裡面各種奇怪的眉角

雖然我沒試過 但我不太相信AI有辦法實作OCPP

而且那種專案常常沒有自動化測試或是完整的測項列表AI產給你的東西可能感覺不壞，實際上卻是錯的沒有自動化測試或測項列表可能難以發現問題

還沒有受到影響的人感覺不到影響有多大進展期變化其實很快 現在覺得不可能的東西可能下個月就可能如果認為AI是問答機那確實資料庫沒的東西會瞎掰但是這個解決方法也很簡單就是擴大資料庫即可最近Wikipedia也開始迎合（提供方便AI爬找）AI只要政府還沒下命令規範：AI爬蟲的紅線那現在各家AI公司都是趁著灰色地帶想辦法擴展資料庫第二AI改善生產力其實就是把自己的專案給AI當資料庫再怎麼爛的code 人工多調整幾次也都看得比人快。樓上提到的沒寫測試那更是AI擅長的方向原本就是因為撒人力去做測試不划算，但是現在AI的成本低剛好派去做這些無聊工作人是用來校正AI的工作"規範"不是內容，AI再重複去輸出ex.AI本身不會玩寶可夢，但是給個方向，迭代後就可過關AI產出有問題那就再找個AI來互相校正 人介入是規範好壞標準OpenAI當初被掃出去的那組超對齊小組就已經提出類似的概念一開始的時候Compiler要人工刻接著就可以用這個寫好的compiler去寫下一段的compiler超對齊他們想做的就是人工很難去規範AI好壞那就讓很多AI互相討論思考，人工少量的規範方向當然這都不是現在進行式也都要顧慮到成本問題如我第二推所說進展若以月為單位 真的有點太快了現在是vibe programing 一年後說不定coding style再無意義

不管是 AI、自駕，或是什麼的教徒真的都自認懂得多，還敏感又好戰。你講話沒完全符合現實情況，他們會說你孤陋寡聞、故步自封。你點出實際的問題，他就強調你不懂這進步飛快，以後「一定」會解決，殊不知這些精緻的人云亦云機器事實上始終沒有真正的認知理解能力因此儘管為架構和邏輯都很簡單的 CRUD API 產產測試還可以，但碰上那些連人類都未必能注意到的舊專案隱藏需求就不行了。不管怎樣，你們最懂，你們最對，不像你們一樣有信仰的人就是愚民。

樓上中肯，那些吹得幾乎都停留在demo階段

@NDark 你講的這些二年前就在講了 二年過去了耶我最近有面到一家 砍了2x個人然後要招新的 條件是AI高手感覺就是想要砍20個RD然後徵2個會AI的做這20個人的工作至於這種「會AI」到底是真的存在還是純屬想像我不知道

肉眼可預期CS領域以後會變得更卷，現在的Senior，以後就變成Junior的標配了。

我只知道我不會 我無法在1小時內清乾淨AI生的bug所以炸了

BTW，我也見過原本公司的SDE team的人力結構是一名Team lead，兩名Senior兼Architecture，十名Mid level與Entry level，今年初導入AIcoding到工作流程裏面後，現在人力結構只剩下一名Team lead與兩名身兼Architecture的Senior了，其他的Mid level與Entry level都徹底且永遠地消失了。

然後公司也準備扯底且永遠的消失了？

澄清一下 Wikipedia會打包放好的原因是因為一堆人想拿來訓練 直接整站硬爬 流量爆炸 為了省錢沒辦法

我是覺得人還是很重要啦 都是購物網站 蝦皮 momo pchome的系統架構難道會一樣？ AI幫你解決了 OOP 難道還能幫你解決OOA OOD?

AI真的那麼好，AI高手直接用AI寫一個能取代掉公司產品，自己出來當老闆賺不是更爽，年薪千萬百億的賺。還當什麼有AI高手公司的工程師。一堆老闆的邏輯就是那麼的特別，想靠AI取代工程師，結果自己還不是用工程師在工作。真的有高手能能用AI取代工程師，他幹嘛不出來開公司自己賺。

生產力的改進是加強效率 購買力(需求)的提升靠得是戰爭中國傾銷的議題是生產力提高 但消費力不會跟著提高很多產業的賺錢能力靠的就不是生產力或是技術力

現在是電力算力還不夠，以後是問問題AI馬上產生個正妹影片口說跟你解釋還附帶情緒價值

AI 當然不會取代誰, 是高產高效的人去取代低產低效AI 能不能提高工作效能這就不用再論證了舉個簡單例子沒 CAD 之前三四個人畫一張 pcb layout現在可以一個人熟 allegro 的 Sr 可以弄3,4 張板工具不會取代人, 是熟工具的人取代人

屎扣是提前二十年預知到AI的崛起XD

其實AI coding很多時候會讓人覺得不成熟 原因在於我們沒有給他足夠的資訊 而不是它不夠聰明 只能說 提示詞很重要 你給的參考文檔也很重要 你的程式結構更重要絕大多數的問題都出在資訊不足 而不是AI不會 或亂寫就好像你花了千萬年薪請了一位大神工程師 但給他串API 不給他參數和回傳的格式 也不給他文件 XD他再神也只能通靈 AI也是一樣的 你沒給的它就通靈了最好抱持一個心態 先別質疑AI 先想想是不是你的提示詞有問題 其實很多時候你會發現我們連需求都寫不清楚

你什麼都知道了為啥還要叫AI寫AI可以幫你省下什麼？prompt難度比code高的話意義在哪啊

沒什麼好爭論，用的人多但沒付錢訂閱的也非少數覺得沒意義，就不要花錢訂閱 copilot cursor ChatGPT免費額度就可以滿足低使用量

看你寫這樣你果然不會用啊XD 就說了這就好像PM跑來跟你說要做個會員系統 然後沒跟你說要用email還是電話當帳號 你PM PM跟你說我什麼都知道了還要工程師幹麻一樣 XDDDDD

自己都會了，為什麼不是自己寫一段然後之後給AI自動完成，而是要下prompt？好處在哪啊

三天寫一個APP,五千行CODE含測試,還蠻穩的確實真的會寫還蠻卷的,人力會被精簡說真的有AI,手動key code還蠻蠢的像原始人

這app是開源的嗎 可以參考嗎

私人呵呵~急得想趕快寫完弄得跟上班一樣,也是操

是bolt那種快速生成web專案的類型嗎

類音頻分析說真的這領域我完全0概念,然後東西也做出來了

問為什麼 senior 都會了還要用 AI... 因為它打字比你快呀當人只需要 review 並小量修改，認知負荷會大幅降低當然如果要保障產出品質，自己還是要花力氣把關但這樣幹最終還是有加速另一種應用是寫玩具或 PoC，會動就行，也不用長期維護

不是自己都會 是要給它足夠的資訊 讓他完成 我舉PM的例子看不懂嗎？PM自己如果以前當過工程師 知道API參數要怎麼開他就可以列在spec上 但要自己實作他哪有空？你覺得有空那你就自己實作 看看跟會用AI的比誰快 你可以堅持全手工也OK喔 呵

怎麼給足夠的資訊都要燒腦 也不可能沒問題 算下來就是另類寫code 當它亂掰的時候寫再快都沒用 所以我只用來學習和探索方向幾乎每天都看到一些ai廚狂吹捧 ha

也不用說狂吹 不喜歡就別用啊 我又不是AI公司員工 XD只是指明用法不對而已 工程師整天嘴老闆不給清楚指令 這樣怎麼寫code 現在換了個位子就換了個腦袋？所以有些工程師就永遠只能當工具人 一個指令一個動作 搞到腦袋僵化 連需求都燒腦到寫不出來 這種人code能寫得好我才不信勒 spec沒寫你怎麼完成需求？啊不就是問 就是溝通？拿AI寫code怎摸就不用了？然後再來怪AI都寫一些垃圾？garbage in garbage out有聽過嗎？

如果連給足夠資訊也會覺得燒腦，那就當一輩子junior吧，不過看起來很快會被淘汰嘻嘻

有些基礎不紮實的工程師 用ai生code 還不去了解底層才可怕他根本不知道ai產生了什麼code 拿樓上提到的音頻分析來說好了 0基礎寫出來 面試的時候問你infra 你要怎麼回答？ 拿噪音抑制來說 有DAE,CRN,Spectral Mask Estimation, Waveform level DNN這些方法 請問選擇的標準是什麼 每種方法的差異在哪邊？底層是怎麼實作的? 如果你去面試一家專門做音頻分析的公司 吹自己寫過音頻分析的程式 結果追問下去才知道真正寫的人是AI 基礎概念一問三不知 你覺得面試官怎麼想？如果AI真的能維護好公司產品 那雇一個畢業生用ai維護就好幹嘛要花更多錢雇資深的工程師？這就好像 履歷寫了一堆看起來很猛的project 結果問下去 每個都是接第三方API 還不去了解API是怎麼實作的 用了什麼技術 搞半天是接API碼農XD

首先我已經Github Copilot用2年多了然後現在的context 首篇講的是「一個AI高手頂5個PG」這明顯是Vibe programming 所以我發言都是基於這個前提你一直說我用法不對 但是你的對的用法啊根本就文不對題我先寫一個範例然後讓後面completion接著生當然比打字快但是現在主題講的AI是prag222那種三天寫五千行有不熟悉的domain knowlege的東西比如連傅立葉轉換都不會的人寫音訊分析之類 要怎麼給spec我是不太懂你跳進來離題的很爽是在high什麼啦

哥我真不懂,我貼AI回我的資訊1.音頻檔案處理與預處理2.信號表示 (使用 NWaves)3.語音活動檢測 (VAD) 與分段RMS 能量計算 (RMS Energy Calculation)靜音閾值處理 (Silence Thresholding)...等,4.特徵提取 (使用 NWaves 與自訂邏輯)：MFCC (Mel-Frequency Cepstral Coefficients - 梅爾頻率音高追蹤 (Pitch Tracking - 基頻 F0)能量輪廓 (Energy Contour)Distance Metrics.Weighted Feature Combination特徵比較與相似度計算=>說真的我個人覺得工程師的ai coding不過就是等於一般人用的vibe coding的進階版拉=>一般人所謂的vibe coding也不管你底層怎麼實作的東西做出來有達到效果能正常跑就好了*補充,我搞得好像不是音頻分析而是語音處理

所以你用了兩年還是不會用R 啊你明明就知道這種複雜的大需求現在AI就沒辦法 不然我問一句 幫我寫一個Google搜尋的演算法 AI當掉 我就噴 啊這AI怎摸能取代人？你如果只是拿這種案例 那就不用談啦 魔鬼都是藏在細節裡的AI目前的確還無法handle這種需要細節的大需求 至少無法oneshot OK 你總得要迭代多次 即使是vibe coding也一樣 所以你還是別用AI了 用了兩年還不懂這個？取不取代另一篇講了 就是速度和效率問題而已再說一次 要拿one shot提示就做一個複雜需求 那就不用談了你只是問 幫我寫個音頻處理程式 然後上下文完全沒給 AI掛掉不也是天經地義？不然你花個百萬請個高階工程師來 跟他一樣說幫我做個音頻程式 然後呢？他是不是一定會問你 你是要處裡什麼？轉檔？還是辨識？不然只給他音頻兩個誰知道是啥啊？至於你要的是 完全不看底層的vibe coding 目前AI多數一般需求都沒啥問題 比較需要技術細節的就會掛掉 就好像我沒辦法真的完全不看底層靠迭代寫一個Google搜尋系統一樣你硬要 然後反證AI不會取代人 那也OK啦 那就聽你的囉我想再過5年 也沒辦法靠vibe coding寫出Google 但音頻程式應該沒什麼問題 還會再進步的反正AI現在確實也有許多能力限制 但軟工缺也是一直再減少兩個都事實 也沒什麼好爭的就是了 在這邊爭AI都是拉機 也

說真的AI出來,沒想到最先取代的是腦力工作,原本大家都以Y

絕對不會改變整個大環境的變動 等著看

是勞力工作會消失,而AI出現在程式開發取代方面

取代很多人非常非常非常堅持 只要AI有做不出來的東西 就不

因為有了AI,把大家都打回相同的起跑線

不是說完全取代拉,是會用的人可以抵多個人用,不過也是操

從之前不斷看到反證AI哪會取代人的論點 全都是同一個 就一個 那就是拿一個需求出來 說AI怎摸沒辦法一個提示就幫我做出來？你看吧 這怎摸取代人？很好笑的是同樣需求 你在世界上絕對也找不到哪一個工程師能一個提示就幫你做好的 XD

技術專精要看是什麼東西 那種爛大街的ai靠摸滾帶爬是可以了解蠻多的 但還是會有錯 冷門的就不用說了 問了都在蝦掰 魔法更是ai不懂的職缺與經濟才有關係 外加有錢人不一定懂ai 被唬住有不切實際幻想倒是真的

不用洗白ai不行論啦，熟的人都在摸ai的底線能做到什麼程度冷門的東西我也被坑過，只能說資料庫資料不足

我覺得你要寫給AI好介入的code跟寫給人好維護的code核心概念並無二致，module都切的乾淨的code，AI其實可以完成中型的工作 (太小的我寧可自己貼，太大的AI會鬼打牆)所以長期來看關鍵是你能用AI處理掉原本幾%的工作，或是效率能提高幾%，在這件事情卷起來之前，已經會用的可以偷著樂 (偷閒時間有感提升)，卷起來以後就會開始有排擠效應了

一年多前只能搞搞小型片段程式 而且錯誤百出 現在中型工作7成以上都OK 再過兩年呢？繼續嘲笑 繼續視而不見沒關係真的當AI都不會進步永遠停在現在這個階段喔？好喔

ai確實不怎麼行 是阿 摸底限出事故都有不是嗎 我的意思是要學就學冷門的東西樓上看過好幾篇都在捧ai 應該是受益者 不過現在小型片段都錯誤百出

"小型片段都錯誤百出" 我覺得有點平行世界了，至於你說的生路是玩冷門的東西，你怎麼知道你挑的那個冷門東西是不會被吞噬的領域? 真那麼能挑去買股票就好了，挑工作有點大材小用了，你更應該是搞清楚自己基本盤的domain，然後用AI輔助你的效率，並且戰且走，反正這東西你不用拚到一百年，能拚到你接近退休就行了

小型片段會出錯大概是chatGPT3剛出來的那個年代了模型只會月月進步,每年都在出新手機了,拜託...

真的是你搞個Cline玩一下就知道現在能做到甚麼地步了

是真的錯誤百出 當然我問的不是普通問題 我沒說是生路 是不是生路還要看環境 只是什麼語言都可以實現功能下 當然是越冷門越不易用ai解析其實也不用說冷門 熱門技術內冷門知識就沒辦法了

每次相關文章總會看到有留言在說AI做某些事很爛很屎，AI不可能取代屎code，真D是狹隘的眼光

就說是不是事實嘛 我會的ai不會即可

身為 cursor copilot ChatGPT 三個課金用戶中型專案不太可能出錯 只有你叫他做錯事的機率最大Codex 專案權限全開 check MR 只有準 舒服據我所知這種工作模式已經是各純軟廠都在導入的AI 的準確度已經不該是今年在討論的話題 而是該怎麼導入

不如直接分享一下你問了甚麼問題AI無法解決好了

我怎麼可能分享 也肯定不是問錯

呵呵...

是不知道你的program有多冷門複雜，不過人家cloudflare用claude直接寫了個OAuth library出來嘻嘻